PerSHOP——面向购物对话系统建模的波斯语数据集
计算与语言
2024-01-02 v1 人机交互
摘要
如今，对话系统被应用于工业和研究的众多领域。这些系统已有诸多成功实例，如Apple Siri、Google Assistant和IBM Watson。任务型对话系统是其中的一类，应用于特定任务。它们可以执行诸如预订机票或餐厅订座等任务。购物是这些系统中最受欢迎的领域之一。聊天机器人取代人类售货员，通过语音与顾客互动。为了训练这些系统背后的模型，需要标注数据。在本文中，我们通过众包开发了一个波斯语对话数据集。我们对这些对话进行了标注以训练模型。该数据集包含15个不同领域的近22k条话语和1061个对话。这是该领域最大的波斯语数据集，已免费提供以供未来研究者使用。此外，我们提出了一些用于自然语言理解(NLU)任务的基线模型。这些模型执行NLU的两项任务：意图分类和实体抽取。意图分类获得的F-1分数约为91%，实体抽取约为93%，可作为未来研究的基线。
引用
@article{arxiv.2401.00811,
title = {PerSHOP -- A Persian dataset for shopping dialogue systems modeling},
author = {Keyvan Mahmoudi and Heshaam Faili},
journal= {arXiv preprint arXiv:2401.00811},
year = {2024}
}